મફત મૉડેલો સાથે Codex CLI વાપરો
Codex CLI એ OpenAI નો ટર્મિનલ માટેનો open-source coding agent છે. તે કસ્ટમ model provider વાપરી શકે છે. આ માર્ગદર્શિકા FreeLLMAPI દ્વારા Codex CLI ને અન્ય providers ના મફત મૉડેલો સાથે જોડે છે. Codex Responses API બોલે છે, અને FreeLLMAPI તેને /v1/responses પર સેવા આપે છે.
કોડ, મૉડેલ નામ અને લાઇવ કૅટલૉગ લેબલ અંગ્રેજીમાં બતાવવામાં આવે છે.
તે કેવી રીતે કામ કરે છે
Codex CLI OpenAI Responses ફોર્મેટમાં વિનંતીઓ મોકલે છે. Codex ના દસ્તાવેજો કહે છે કે responses એ એકમાત્ર સપોર્ટેડ wire_api મૂલ્ય છે. તેથી Codex માટેના provider એ /v1/responses ની સેવા આપવી જોઈએ. FreeLLMAPI આ endpoint ની સેવા આપે છે. તે દરેક વિનંતીનો અનુવાદ કરે છે અને તેને મફત મૉડેલ પર મોકલે છે, ઉદાહરણ તરીકે Gemini, GPT-OSS, Qwen અથવા GLM.
- તમને મળે છે: Codex CLI agent, તેના ટૂલ્સ અને તેનો edit loop, મફત મૉડેલો પર.
- તમને મળતું નથી: તમારા ChatGPT પ્લાન દ્વારા OpenAI ના પોતાના GPT મૉડેલો. વિનંતીઓ તમારા FreeLLMAPI pool ના મફત providers પર જાય છે.
- મર્યાદા:
/v1/responsesપર image input હજુ સપોર્ટેડ નથી. લખાણ prompts વાપરો.
પગલું 1: FreeLLMAPI અને Codex CLI ઇન્સ્ટૉલ કરો
બંને ઇન્સ્ટૉલ કરો
curl -fsSL https://freellmapi.co/install.sh | bash
npm install -g @openai/codexhttp://localhost:3001 ખોલો. Keys પૃષ્ઠ પર ઓછામાં ઓછી બે મફત provider keys ઉમેરો. એ જ પૃષ્ઠ પરથી તમારી unified key કૉપિ કરો. macOS પર, તમે brew install --cask codex વડે Codex પણ ઇન્સ્ટૉલ કરી શકો છો.
પગલું 2: Codex CLI ને જોડો
setup આદેશ ~/.codex/config.toml માં provider ઉમેરે છે. તે પહેલાં બેકઅપ બનાવે છે અને નવો બ્લૉક મર્જ કરે છે, તેથી તમારી બીજી સેટિંગ્સ રહે છે.
એક આદેશ
export FREELLMAPI_API_KEY=<unified-key>
npx freellmapi setup-codex --url http://localhost:3001 --dry-run
npx freellmapi setup-codex --url http://localhost:3001
codexઆદેશ તમારા live catalog ના મૂલ્યો સાથે આ સેટિંગ્સ લખે છે. key ફાઇલમાં નથી. Codex તેને FREELLMAPI_API_KEY environment variable માંથી વાંચે છે, તેથી Codex ચલાવો તે દરેક shell માં variable export કરો.
~/.codex/config.toml
model = "auto"
model_provider = "freellmapi"
model_context_window = 128000
model_auto_compact_token_limit = 115200
tool_output_token_limit = 20000
[model_providers.freellmapi]
name = "FreeLLMAPI"
base_url = "http://localhost:3001/v1"
wire_api = "responses"
env_key = "FREELLMAPI_API_KEY"
requires_openai_auth = false| Key | તે શું કરે છે |
|---|---|
model_provider | model_providers માંથી provider પસંદ કરે છે. ડિફોલ્ટ openai છે. |
env_key | તે environment variable જેમાં provider API key છે |
requires_openai_auth | false નો અર્થ છે કે Codex OpenAI login માટે પૂછતું નથી |
model_context_window | સક્રિય મૉડેલના context tokens. આદેશ મૂલ્ય તમારા live catalog માંથી લે છે. |
model_auto_compact_token_limit | તે token સંખ્યા જે આપમેળે history compaction શરૂ કરે છે. આદેશ context window ના 90% સેટ કરે છે. |
tool_output_token_limit | દરેક tool output માટે token બજેટ જે Codex history માં રાખે છે |
key ફાઇલોમાં અને તમારી shell profile માં ન રહે તે માટે, launcher વાપરો. તે key ફક્ત તેના environment માં રાખીને Codex શરૂ કરે છે:
શૂન્ય-persistence launcher
npx freellmapi launch-codexવિનંતીઓ ગેટવે પર જાય છે તેની ખાતરી કરવા, npx freellmapi doctor ચલાવો. તે રૂટ થયેલ Authorization header, catalog અને live probe તપાસે છે. પછી dashboard ની request log દરેક Codex કૉલ બતાવે છે. X-Routed-Via પ્રતિસાદ header જવાબ આપનાર provider અને મૉડેલનું નામ આપે છે. જો વિનંતી failover થઈ હોય, તો X-Fallback-Trail દરેક નિષ્ફળ hop અને તેનું કારણ બતાવે છે.
[profiles.NAME] કોષ્ટકો config.toml માંથી વાંચતા નથી. Profiles હવે અલગ ફાઇલો છે, ઉદાહરણ તરીકે ~/.codex/NAME.config.toml. વર્તમાન Codex સંસ્કરણ સાથે ઉપરનો ડિફોલ્ટ setup વાપરો.મૉડેલ metadata ચેતવણી દૂર કરો
Codex દરેક ચાલમાં "Model metadata for auto not found" છાપે છે. Codex ગેટવેના model ids જાણતું નથી. તેને context window અને image સપોર્ટ જેવો વાસ્તવિક metadata આપવા માટે, provider માં model catalog URL ઉમેરો:
[model_providers.freellmapi] માં ઉમેરો
model_catalog_url = "http://localhost:3001/v1/codex/models"catalog Codex ના પોતાના ડિફોલ્ટ system prompt અને ટૂલ સેટિંગ્સ રાખે છે. ફક્ત ચેતવણી અને context window બદલાય છે.
Codex CLI માટે મૉડેલ પસંદ કરો
Codex એક agent છે. તે shell આદેશો ચલાવે છે અને ટૂલ કૉલ દ્વારા ફાઇલો બદલે છે. ટૂલ કૉલિંગ અને મોટી context window ધરાવતા મૉડેલો વાપરો. કોષ્ટક આજે આ બંને નિયમો પૂરા કરતા મફત મૉડેલો બતાવે છે.
| મૉડેલ | મફત ઉપલબ્ધ | સંદર્ભ | મફત મર્યાદા (શ્રેષ્ઠ ઑફર) | સાધનો | વિઝન |
|---|---|---|---|---|---|
| GLM 5.3 | UnoRouter | 1M | 1 વિનંતી/મિનિટ 1 req/min per model | હા | ના |
| GLM 5.3 Flash | NVIDIA NIM, UnoRouter | 1M | 40 વિનંતી/મિનિટ 40 RPM | હા | હા |
| Gemini 3.8 Flash | Google AI Studio | 1M | Recurring provider quota | હા | હા |
| Qwen3.8 Flash Next | AMD Radeon Cloud | 262K | Recurring daily account allowance | હા | ના |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | હા | હા |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 વિનંતી/મિનિટ 20 વિનંતી/દિવસ 250,000 ટોકન/મિનિટ ~3M | હા | હા |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | હા | હા |
| Dots3 Note Preview | Kilo Gateway, OpenRouter | 512K | 20 વિનંતી/મિનિટ 50 વિનંતી/દિવસ 50 req/day account-wide (1,000 after a $10 purchase) | હા | હા |
| DeepSeek V4 Flash | AMD Radeon Cloud, BazaarLink, ElectronHub | 1M | 10 વિનંતી/મિનિટ 50 વિનંતી/દિવસ Shared rate limit | હા | ના |
| Qwen3.8 27B | ElectronHub, Groq, OVH AI Endpoints | 262K | 30 વિનંતી/મિનિટ 250 વિનંતી/દિવસ 70,000 ટોકન/મિનિટ ~6M | હા | હા |
| Gemini 3.6 Flash | Google AI Studio | 1M | 10 વિનંતી/મિનિટ 20 વિનંતી/દિવસ 250,000 ટોકન/મિનિટ ~3M | હા | હા |
| Qwen 3.8 27B | Cloudflare Workers AI | 262K | Shared 10k neurons/day | હા | હા |
મેળ ખાતા 109 મફત મૉડેલમાંથી 12 બતાવ્યા. બધા મૉડેલ જુઓ.
FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.
દરેક વિનંતી માટે રાઉટરને મૉડેલ પસંદ કરવા દેવા model = "auto" રાખો. એક મૉડેલ નક્કી કરવા માટે, npx freellmapi setup-codex --url http://localhost:3001 --model <id> ચલાવો. model = "auto:smart" અથવા model = "auto:fast" સેટ કરવા માટે તમે તેને config.toml માં લખી શકો છો.
મફત ટિયરમાં પ્રતિ મિનિટ અને પ્રતિ દિવસ મર્યાદા હોય છે. જ્યારે provider 429 ભૂલ મોકલે, ત્યારે FreeLLMAPI વિનંતી chain ના આગલા મૉડેલ પર મોકલે છે. લાંબા Codex સત્રો માટે ચાર કે વધુ providers ની keys ઉમેરો. Codex model_auto_compact_token_limit પર પહોંચે ત્યારે તેનો ઇતિહાસ compact કરે છે. ઓછું મૂલ્ય નાની વિનંતીઓ મોકલે છે, જે ઓછી tokens-per-minute મર્યાદાવાળા મફત ટિયર પર મદદ કરે છે.
સમસ્યાનિવારણ
| સમસ્યા | કારણ | ઉકેલ |
|---|---|---|
| Codex તમને ChatGPT સાથે sign in કરવા કહે છે | model_provider સેટ નથી, તેથી Codex openai વાપરે છે | model_provider = "freellmapi" સેટ કરો |
401 "Invalid API key" | આ shell માં FREELLMAPI_API_KEY સેટ નથી | variable export કરો, અથવા npx freellmapi launch-codex વાપરો |
"Model metadata for auto not found" | Codex ગેટવેના model ids જાણતું નથી | model_catalog_url ઉમેરો |
wire_api = "chat" સાથે ભૂલો | Codex માત્ર Responses API ને સપોર્ટ કરે છે | wire_api = "responses" સેટ કરો |
| Profile સેટિંગ્સ અવગણાય છે | Codex 0.134.0 અને પછીના સંસ્કરણો [profiles.NAME] કોષ્ટકોને અવગણે છે | ડિફોલ્ટ provider setup વાપરો, અથવા અલગ profile ફાઇલ વાપરો |
| "N પ્રયાસો પછી બધા મૉડેલો rate-limited" | બધી keys તેમની મર્યાદા પર છે | વધુ providers ની keys ઉમેરો, અથવા cooldowns ની રાહ જુઓ |
વારંવાર પૂછાતા પ્રશ્નો
શું હું Codex CLI મફતમાં વાપરી શકું?
હા. Codex CLI open source છે. config.toml માં FreeLLMAPI ને કસ્ટમ model provider તરીકે ઉમેરો. ગેટવે દરેક વિનંતી મફત provider tiers પર મોકલે છે, તેથી inference નો ખર્ચ $0 છે.
શું Codex CLI અન્ય providers ના મૉડેલો વાપરી શકે?
હા. base_url, env_key અને wire_api = "responses" સાથે [model_providers.
શું Codex CLI Chat Completions API ને સપોર્ટ કરે છે?
ના. Codex config reference કહે છે કે responses એ એકમાત્ર સપોર્ટેડ wire_api મૂલ્ય છે. FreeLLMAPI /v1/responses ની સેવા આપે છે, તેથી તે Codex provider તરીકે કામ કરે છે.
Codex CLI માટે કયું મફત મૉડેલ શ્રેષ્ઠ છે?
ટૂલ કૉલિંગ અને ઓછામાં ઓછા 128K context ધરાવતું મૉડેલ વાપરો. આ પૃષ્ઠનું કોષ્ટક આજે આ બંને નિયમો પૂરા કરતા સૌથી મજબૂત મફત મૉડેલો બતાવે છે.
'Model metadata for auto not found' ને કેવી રીતે ઠીક કરું?
~/.codex/config.toml માં provider બ્લૉકમાં model_catalog_url = "http://localhost:3001/v1/codex/models" ઉમેરો. પછી Codex ગેટવેના મૉડેલો માટે વાસ્તવિક metadata વાંચે છે.
સંબંધિત માર્ગદર્શિકાઓ
- Claude Code મફતમાં કેવી રીતે વાપરવું
- OpenCode મફત LLM API સાથે વાપરો
- મફત LLM API સાથે Aider વાપરો
- શ્રેષ્ઠ મફત coding model APIs
- શું મફત GPT API છે?
સ્રોતો
- Codex docs: config reference (તપાસ્યું 20 November 2026)
- Codex docs: advanced config and profiles (તપાસ્યું 20 November 2026)
- Codex CLI repository (તપાસ્યું 20 November 2026)
- FreeLLMAPI docs: coding agents and Codex (તપાસ્યું 20 November 2026)
- FreeLLMAPI CLI generators (તપાસ્યું 20 November 2026)